VMAF とは?

VMAF は、Netflix が学術分野の協力者と共同開発した完全参照型の知覚品質指標です。参照映像と劣化映像のシーケンスから主観的な動画品質を予測します。複数の画質特徴量を組み合わせ、スコアとして算出します。

VMAF の仕組み

VMAF は、時間的・空間的に対応する元映像と劣化映像のシーケンスを比較評価し、複数の知覚的特徴量を抽出して、学習済みモデルで統合します。単一の画素誤差式よりも視聴時の知覚を重視していますが、結果は選択したモデル、前処理、集約方法にも左右されます。エンコードパイプラインでは、圧縮やスケーリングの実験、回帰テスト、ビットレートラダーの分析に使用し、重要な判断はシーンの目視確認と再生結果で裏付けます。モデルの学習データに含まれないパケットロス、データ破損、その他のアーティファクトの種類に、結果を一般化すべきではありません。

要点

  1. 参照フレームと劣化フレームは同じ時点を表し、比較可能な画像の幾何学的条件を備える必要があります。時間のずれ、フレーム落ち、スケーリングの不一致があると、劣化ではなく位置や時間のずれを測定してしまうことがあります。
  2. VMAF の結果は、特定のモデルとツール設定に結び付いています。異なるモデルや前処理設定で得たスコアを、そのまま比較できると考えるべきではありません。
  3. 単一の集約スコアでは、短い区間の著しい劣化が隠れることがあります。フレームごとの推移や、低スコア側の裾に注目した要約、シーン単位の要約は、局所的な品質低下の発見に役立ちます。

VMAF が重要になる場面

エンコードチームは、コーデック、スケーリング方法、エンコーダー設定、ビットレートラダーを比較する際に VMAF を算出します。結果は、選択したモデル、参照映像、そのモデルの学習データに含まれるアーティファクトの種類に左右されるため、単一のスコアで再生テストを代替すべきではありません。

メディアの知識を実用的なパイプラインに

単一の宣言的 API で、アップロード、処理、AI、ストレージ、配信を連携できます。エンコードスタックの管理、スケーリング、形式の変化への対応はお任せください。

Transloadit を無料で試す